Questions et réponses d'entretien les plus demandées et tests en ligne
Plateforme d'apprentissage pour la preparation aux entretiens, les tests en ligne, les tutoriels et la pratique en direct

Developpez vos competences grace a des parcours cibles, des tests blancs et un contenu pret pour l'entretien.

WithoutBook rassemble des questions d'entretien par sujet, des tests pratiques en ligne, des tutoriels et des guides de comparaison dans un espace d'apprentissage reactif.

Rechercher dans la bibliotheque
Preparation a l'entretien

TensorFlow Questions et reponses d'entretien

Differences associees

TensorFlow vs PyTorch

Question 26. What is eager execution and how is it enabled in TensorFlow?

Eager execution allows operations to be executed immediately as they are called, similar to regular Python code. It can be enabled in TensorFlow 2.x by default, or explicitly using tf.compat.v1.enable_eager_execution().

Example:

No explicit session or graph code is required in TensorFlow 2.x

Est-ce utile ? Ajouter un commentaire Voir les commentaires
 

Question 27. Explain the purpose of the tf.keras.layers.Embedding layer.

The Embedding layer is used for word embeddings in natural language processing tasks. It maps integer indices (representing words) to dense vectors, allowing the model to learn semantic relationships between words.

Example:

embedding_layer = tf.keras.layers.Embedding(input_dim=vocabulary_size, output_dim=embedding_dimension)

Est-ce utile ? Ajouter un commentaire Voir les commentaires
 

Question 28. How can you save and load a TensorFlow model?

A TensorFlow model can be saved using the tf.keras.models.save_model method. It can be loaded using the tf.keras.models.load_model method for further use or deployment.

Example:

model.save('saved_model.h5')
loaded_model = tf.keras.models.load_model('saved_model.h5')

Est-ce utile ? Ajouter un commentaire Voir les commentaires
 

Question 29. Explain the purpose of the tf.config.experimental.list_physical_devices method.

tf.config.experimental.list_physical_devices is used to list all available physical devices (CPUs, GPUs) in the TensorFlow environment. It can be helpful for configuring distributed training or checking available hardware.

Example:

devices = tf.config.experimental.list_physical_devices(device_type='GPU')

Est-ce utile ? Ajouter un commentaire Voir les commentaires
 

Question 30. What is the purpose of the tf.data.Dataset.cache method in TensorFlow?

The cache method in tf.data.Dataset is used to cache elements in memory or on disk, improving the performance of dataset iteration by avoiding redundant data loading.

Example:

dataset = dataset.cache()

Est-ce utile ? Ajouter un commentaire Voir les commentaires
 

Les plus utiles selon les utilisateurs :

Copyright © 2026, WithoutBook.